Andere Kunden interessierten sich auch für
![La minería de imágenes faciales de la web débilmente etiquetadas usando la anotación de la cara]( "La minería de imágenes faciales de la web débilmente etiquetadas usando la anotación de la cara")
La minería de imágenes faciales de la web débilmente etiquetadas usando la anotación de la cara18,99 €![Ocultación de datos mediante esteganografía de imágenes y sustitución de LSB]( "Ocultación de datos mediante esteganografía de imágenes y sustitución de LSB")
Ocultación de datos mediante esteganografía de imágenes y sustitución de LSB26,99 €![Clasificación de imágenes mediante Deep Learning y Swarm Intelligence]( "Clasificación de imágenes mediante Deep Learning y Swarm Intelligence")
Clasificación de imágenes mediante Deep Learning y Swarm Intelligence36,99 €![RECONOCIMIENTO DE ROSTROS PARCIALMENTE OCLUIDOS MEDIANTE UN ENFOQUE DE SELECCIÓN DE CARACTERÍSTICAS]( "RECONOCIMIENTO DE ROSTROS PARCIALMENTE OCLUIDOS MEDIANTE UN ENFOQUE DE SELECCIÓN DE CARACTERÍSTICAS")
RECONOCIMIENTO DE ROSTROS PARCIALMENTE OCLUIDOS MEDIANTE UN ENFOQUE DE SELECCIÓN DE CARACTERÍSTICAS40,99 €![Desenfoque de imágenes mediante deconvolución ciega]( "Desenfoque de imágenes mediante deconvolución ciega")
Desenfoque de imágenes mediante deconvolución ciega26,99 €![Filtros Fabry-Perot de polarización para imágenes de diferencia de polarización]( "Filtros Fabry-Perot de polarización para imágenes de diferencia de polarización")
Filtros Fabry-Perot de polarización para imágenes de diferencia de polarización35,99 €![Técnicas avanzadas de evaluación de la calidad de las imágenes con ruido]( "Técnicas avanzadas de evaluación de la calidad de las imágenes con ruido")
Técnicas avanzadas de evaluación de la calidad de las imágenes con ruido45,99 €
El objetivo principal de este estudio es averiguar cuáles son los algoritmos de aprendizaje automático más utilizados para el reconocimiento del género. El objetivo del estudio es desarrollar un sistema que pueda reconocer el género de un ser humano basándose únicamente en los rasgos faciales frontales. Este sistema clasificará las imágenes faciales desconocidas en masculinas o femeninas comparándolas con las imágenes del conjunto de entrenamiento. La comparación se hará entre las técnicas más utilizadas para el reconocimiento de género que son el Algoritmo Genético (GA) y la Máquina de Vectores de Apoyo (SVM ) basada en las características faciales de una imagen estática. Nuestros resultados muestran que nuestra SVM propuesta es mejor en la detección del género en comparación con el Algoritmo Genético.